文献检索与写作是「快速搞懂陌生领域并产出专业表达」的元能力。本文覆盖信息金字塔与中英文数据库（含 IE 重点期刊清单）、布尔检索式构造与「滚雪球法」、Zotero 实操工作流与五步文献筛选法、文献综述的三种组织方式与批判性评述的四个角度（含学术批判的语气示范）、IMRaD 论文结构与各章写作要点、GB/T 7714 参考文献格式、开题报告结构与选题四原则，以及学术诚信的红线与正确降重方法。附 12 周毕业论文时间表。
大多数 IE 岗位不需要高深数学，但需要能把现实问题转化成数学问题的建模能力。本文按「实际用到什么」重新组织：微积分只需掌握四个应用（用导数推导 EOQ、积分算累积量、等比级数推导年金、泰勒展开线性化）、线性代数是运筹学与多元分析的地基（重点矩阵运算与特征值，解释为何 AHP 权重就是特征向量）、概率统计是质量与仿真的语言（重点分布直觉与中心极限定理为何支撑 SPC），并含拉格朗日乘数揭示「影子价格」的数学来源，以及 12 周补强计划。
不懂加工工艺的 IE，做的标准工时和产线平衡都是空中楼阁。本文从 IE 视角重构工艺知识：切削三要素与泰勒刀具寿命公式（v_c 提高 20% 刀具寿命降到 48%，因此提速应优先增大切深）、六点定位 3-2-1 原则与「欠定位不允许、不完全定位合理」的关键辨析、基准重合为何如此重要、加工阶段划分与工序安排四原则、加工余量过大的三重浪费，以及工艺成本的临界产量 N_k 计算与四种装配方法（互换/分组/修配/调整）。
IE 改善的每一道工序都发生在看得见图纸的人中间，看不懂图纸就无法与设计工艺部门对话。本文从 IE 实际需求出发：先讲透识读零件图与装配图的全部要素（第一角法与第三角法的关键区分、尺寸基准与尺寸链的累积误差原理、公差配合的三种类型与基孔制、GD&T 十四项符号与最大实体要求的补偿逻辑、表面粗糙度 Ra 与加工成本的关系），再讲 CAD 的五个核心习惯、车间布局图绘制规范与图块库建设，以及三维 CAD 在人机工程与数字孪生中的应用。
工业软件的本质是把管理逻辑固化到系统里，而这个逻辑正是 IE 的专业领域。本文按 ISA-95 五层架构（ERP/MES/SCADA/PLC/设备）展开，讲清 ERP 六大模块与物流资金流信息流三流合一、主数据为何决定系统成败（工艺路线标准工时填错的完整后果链条）、MES 的十一项核心功能、OEE 完整算例与六大损失分解、追溯的三种类型、ERP 与 MES 的集成方式，以及 APS/WMS/PLM/QMS 的定位与 IE 在数字化项目中的三类角色。
系统工程教的不只是工具，而是处理复杂问题的思维框架——局部最优不等于全局最优。本文拆解霍尔三维结构（时间维/逻辑维/知识维）、系统的五大特性（重点是涌现性的正负两面与次优化陷阱）、ISM 解释结构模型的完整演算（邻接矩阵→可达矩阵→层级划分，含 5 要素算例）、AHP 层次分析法七步流程（1-9 标度、方根法求权重、λ_max 与 CR 一致性检验完整算例、层次总排序），以及模糊综合评价与 DEA。
物流成本占制造成本的 20%-50%，且布局一旦确定就很难更改——这是 IE 中杠杆率最高的决策之一。本文完整拆解 SLP 系统布置设计七步流程（PQRST 分析、A/E/I/O/U/X 物流强度分级、从至表绘制与「向对角线靠拢」的优化原理、位置相关图、加权因素法方案评价）、SHA 搬运系统分析（活性指数 0-4 级、设备选型矩阵）、仓储规划（货架选型、储位分配五原则、四种拣选方式与路径优化），以及选址的三类定量方法（因素评分法、重心法含完整算例、线性规划）。
质量问题的本质是变异，质量管理的所有方法都在描述变异、区分变异、减小变异。本文按四层展开：质量概念与体系（戴明 85/15 原则、田口质量损失函数、四类质量成本）、QC 七大手法（含层别法揭示的辛普森悖论、5 Why 根因追踪）、SPC 深化（X̄-R 图完整计算、八大判异准则、Cp/Cpk 与 Pp/Ppk 的诊断价值、MSA 的 GR&R）、质量设计（QFD 质量屋、PFMEA、田口稳健设计、防错三类层次），以及 DMAIC 工具矩阵与抽样检验的 OC 曲线。
生产计划与控制是 IE 核心专业课中体系最庞大、最贴近企业实际的一门。本文按「综合计划→MPS→MRP→CRP→车间排程→作业控制」六级链条展开：需求预测方法的选择与误差度量（MAD/MAPE/跟踪信号）、MPS 的时界机制与 ATP 可承诺量计算、MRP 完整展开算例（含低层码与批量规则）、EOQ 与安全库存（含服务水平对应的 z 值）、Johnson 算法与七种排程规则、牛鞭效应四大成因与对策，以及看板数量公式与均衡化逻辑。
统计学是 IE 最难「学过但会用」的一门课，问题在于课程按方法结构组织而工作按问题类型组织。本文按 IE 的六类真实问题重构：描述统计看清数据（含变异系数为何比标准差更实用）、置信区间估计真值、假设检验验证改善是否真的有效（配对 t 检验完整算例）、ANOVA 比较多个方案、回归建模变量关系、DOE 用最少试验找最优参数（正交表与响应面法），并给出 Minitab 与 Python 的选型建议和五个必做练习。